卷积神经网络系统结构
PS：在池化层和全链接层之间可以加入多个卷积、激活、池化层
1、CONV：卷积层，用卷积核对输入图像进行卷积处理
2、RELU：激活层，将负值归零
3、池化层：有损压缩，减小图片尺寸
输入带标签的训练数据之后，卷积神经网络会根据输出与训练标签的误差反向调整自身的参数（卷积核和全连接层的W矩阵），因此卷积神经网络能够记录每一个输入图片的特征，在训练完毕后，输入一副类似的图片，卷积神经网络就能够识别了
